1 引言

作为GEE的国内竞品， PIE-Engine 的问世弥补了国内的空白，使得遥感云计算的使用变得更加方便快捷，目前PIE-Engine上除了提供Landsat 9、Landsat 8等传统遥感影像数据资源，还提供了气象、土地利用&覆被、土壤等特色数据集，并且数据资源还在持续更新中，其后续发展十分值得期待。与GEE相似，除了基于Javascript的网页版应用，PIE-Engine也提供了基于Python的调用方式，本文将就 pie-engine-python 的安装进行介绍。

2 安装环境

• Windows 11
• Anaconda 虚拟环境
• Python 3.9

3 安装步骤

3.1 下载安装包

进入下载页面，链接为： pie-engine-python ，点击“下载安装包”

• 将安装包解压，进入 pie-engine-python 文件夹，可以看到该目录下有两个文件夹 dist 和 doc
• dist 文件夹中存放了已经编译好的工具包 PythonPIE-0.1.18-py3-none-any.whl
• doc 文件夹中存放了配置说明，以及一些示例代码

3.2 配置安装

配置说明的内容如下：

1. Pyhon3.7以上
2. 需要配置环境变量 HOMEPATH，用来存放凭证的路径，比如 HOMEPATH=/Users/lsw 其中/Users/lsw是个人用户路径，这个路径必须真实存在。
3. 开发环境是vscode或者pycharm等，使用地图显示必须要安装jupter notebook。
4. 安装命令 pip install PIECloudEngine-xxx-py3-none-any.whl
5. 登录方式，只需要登录一次即可

import pie
pie.initialize("username", "password")

根据配置说明进行环境的配置：

1. 设置系统环境变量

进入环境变量设置界面，点击 新建系统变量 ，变量名设置为 HOMEPATH ，变量值设置为 C:\\Users\\xxx ，此处的 xxx 根据实际情况进行替换，设置完成后点击确认即可

2. 命令行安装

在cmd命令行中进入到之前解压的 dist 文件夹下，输入：

pip install PIECloudEngine-xxx-py3-none-any.whl

然后就可以看到一系列包的安装过程：

可以看到，安装过程无错误，PythonPIE包已经安装成功！

3.3 调用测试

在vscode中新建一个.ipynb文件，输入以下代码：

import pie
import pie.pieleaflet as pieleaflet

pie.initialize("用户名", "密码") # "username", "password"

账号密码的注册地址为： PIE

运行该块代码，可以看到成功后的信息为：

此时，可以进入`C:\Users\xxx\.pie`文件夹下，可以看到其中的`user`文件记录了此时输入的用户名及密码

3.4 官方示例

借用官方提供的 示例代码 ，再次检查是否可以正确运行，此处运行的例子是 全国植被指数计算

# 全国NDVI案例
import pie
import pie.pieleaflet as pieleaflet

# 使用用户在平台上注册时的用户名/密码
pie.initialize()

# 调用地图
Map = pie.Map()
# 加载中国区域范围
fCol = pie.FeatureCollection('user/101/public/shape/China')

Map.addLayer(fCol, {'color': "#ff0000", 'fillColor': "#00000000"}, "china")
roi = fCol.getAt(0).geometry()

Map.addLayer(roi, {'color': "red", 'fillColor': "#00000000"}, "roi")

# 影像集合
l8Col = pie.ImageCollection("LC08/01/T1")

# 通过日期过滤影像集合，并且计算NDVI指数
def ndviF(image):
    b4 = image.select("B4")
    b5 = image.select("B5")
    ndvi = (b5.subtract(b4).divide(b5.add(b4)))
    return ndvi
l8Col = l8Col.filterDate("2019-12-01", "2019-12-31").select(["B4", "B5"]).map(ndviF)
# NDVI绘制样式
visParamNDVI = {
    'min': -0.2,
    'max': 0.8,
    'palette': 'CA7A41, CE7E45, DF923D, F1B555, FCD163, 99B718, ' +
             '74A901, 66A000, 529400,3E8601, 207401, 056201, 004C00,' +
             '023B01, 012E01, 011D01, 011301'
}
# 加载影像集合的最大值.mean().clip(roi)
Map.addLayer(l8Col.mean().clip(roi), visParamNDVI, "NDVI")
Map.setCenter(113.44,34.1,6)
Map

最终的运行结果如下：

至此，安装成功，后续将继续尝试其更多用法~

参考链接

https://engine.piesat.cn/engine-studio

https://engine.piesat.cn/engine-studio/tutorials